评估单模态与多模态追踪策略在语言相关白质纤维束重建中的效能：一项面向术前规划的前瞻性研究

《Clinical Neuroradiology》：Evaluating Unimodal and Multimodal Tracking Strategies for the Reconstruction of Language-related White Matter Tracts

本研究针对术前语言通路精准重建的临床需求，系统比较了基于解剖先验的自动化dMRI纤维束追踪(Xtract)、fMRI引导追踪(Ftract)及二者结合的混合策略(Ctract)。结果表明，Xtract与Ctract在重建一致性与连接强度上均优于单纯fMRI引导，尤其对腹侧通路(如ILF、MdLF)的优化效果显著。该研究为优化神经外科术前成像流程、推动标准化纤维束追踪的临床应用提供了重要依据。

　　

在神经外科手术的精准规划中，如何清晰地勾勒出大脑内负责语言功能的白质纤维束，是关乎手术成败与患者术后生活质量的核心问题。传统上，医生们常常依赖功能磁共振成像（fMRI）来定位大脑皮层中活跃的语言区，并以此作为“路标”来引导另一种名为弥散磁共振成像（dMRI）的纤维束追踪技术，从而描绘出连接这些语言区的“信息高速公路”——白质纤维束。然而，fMRI本身耗时较长，且对患者在扫描过程中的配合度要求高，这在一定程度上限制了其在临床中的广泛应用。那么，能否不依赖fMRI，仅凭dMRI数据本身，结合大脑固有的解剖结构信息，就能稳定、准确地重建出这些关键的语言通路呢？这正是由哥廷根大学医学中心的Lydia Marleen Schilling等人发表在《Clinical Neuroradiology》上的研究旨在回答的关键问题。

为了回答这个问题，研究团队招募了20名健康的年轻成年人作为志愿者。他们让每位志愿者在接受dMRI扫描的同时，完成一项精心设计的语言任务（如判断词语语义或语音），从而同步获取了大脑的结构连接数据和功能活动数据。随后，研究人员设定了三种不同的纤维束追踪方案来重建六条主要的语言相关纤维束，包括与言语启动相关的额斜束（FAT）、构成背侧语言通路的弓状束（AF）和上纵束III（SLF3），以及构成腹侧语言通路的中纵束（MdLF）、下纵束（ILF）和钩束（UF）。这三种方案分别是：单纯依靠XTRACT工具箱中预定义的、基于解剖结构的白质掩膜进行追踪（Xtract）；单纯利用fMRI语言任务激活的皮层区域作为种子点进行追踪（Ftract）；以及将上述两种方案的种子点与靶点掩膜结合起来进行追踪（Ctract）。

研究的关键技术方法主要包括：利用基于事件相关设计的fMRI语言任务范式（对比复合词>假词押韵等）获取个体语言皮层激活图；采用FSL软件包中的XTRACT工具箱进行概率性纤维束追踪，并比较其标准解剖协议（Xtract）、fMRI引导协议（Ftract）及二者结合的混合协议（Ctract）的重建效果；通过计算纤维束空间分布图的组内、组间及与人类连接组计划（HCP）模板的交叉相关性来评估重建相似性；并以标准化流线计数（NSI）作为连接强度的代理指标进行统计分析。

研究结果

Within-subject Similarity

分析显示，在同一受试者内部，基于解剖的Xtract协议与混合Ctract协议重建的纤维束空间一致性最高（平均Fisher Z=1.14），显著高于Xtract与单纯fMRI引导的Ftract协议之间的一致性（平均Fisher Z=0.41）。这表明，引入解剖先验能极大提高纤维束重建的个体内稳定性。

Intra-cohort Similarity

在受试者之间进行比较时，Xtract-Ctract的组内相似性（平均Fisher Z=0.51）同样显著高于Xtract-Ftract（平均Fisher Z=0.29）。这说明，结合了解剖与功能信息的Ctract协议所重建的纤维束，在不同个体间表现出更高的一致性，即该方法更具普适性。

Across-cohort Similarity

当将本研究重建的纤维束与大型数据库HCP中的标准模板进行对比时，Xtract和Ctract协议的结果与HCP模板的相似性（平均Fisher Z≈0.37）明显高于Ftract协议（平均Fisher Z=0.23）。这表明，基于解剖先验的方法在跨群体比较中更具稳健性。

Normalized Streamline Counts

在连接强度方面，对于多数的纤维束（如双侧FAT、AF、UF），Xtract协议得到的标准化流线计数最高，Ctract次之，Ftract最低。然而，一个有趣的发现是，对于腹侧通路的部分纤维束，如双侧的SLF3、ILF以及右侧的MdLF，Ctract协议表现出了优势，其连接强度最高。这提示，对于某些解剖变异较大或走行复杂的纤维束，结合功能信息可能提供额外的优化。

结论与讨论

本研究通过系统比较三种纤维束追踪策略，得出明确结论：基于标准化解剖先验的自动化追踪协议（如Xtract）以及将其与fMRI引导相结合的混合协议（Ctract），在重建语言相关白质纤维束时，其重建结果的稳定性、一致性以及所反映的连接强度，均显著优于单纯依赖fMRI引导的协议（Ftract）。这意味着，在临床术前规划中，利用XTRACT这类工具提供的标准化解剖协议，可以在很大程度上减少对耗时且变异较大的fMRI的依赖，为实现更高效、更稳健的白质纤维束重建提供了有力支持。

尤为重要的是，研究揭示了不同策略的适用性可能因纤维束而异。对于额叶和背侧语言通路的大部分纤维束，单纯的解剖先验协议已能提供优异的重建效果。然而，对于解剖结构更为复杂多变的腹侧通路纤维束（如MdLF和ILF），结合了功能信息的混合协议（Ctract）显示出额外优势。这表明，未来的临床应用中或可采取一种“分而治之”的策略：对多数据观稳定可靠的纤维束优先使用高效的自动化解剖协议，而对个别变异较大的纤维束则考虑辅以功能信息进行优化。

当然，研究者也清醒地认识到dMRI纤维束追踪技术本身存在的局限性，例如其重建结果反映的是流线被采样到的概率而非绝对的解剖真实性，且在靠近皮层的区域容易产生偏差。因此，纤维束追踪始终是神经外科手术规划中的重要辅助工具，而不能完全替代术中直接电刺激等“金标准”进行功能验证。

总之，这项研究为优化神经外科术前语言通路映射工作流程提供了重要的实证依据。它有力地表明，基于群体水平解剖知识构建的标准化、自动化纤维束追踪协议，具有巨大的临床转化潜力，有望使精准的脑白质“绘图”技术更广泛、更常规地应用于神经外科临床实践，最终惠及广大脑部疾病患者。